Le 10 septembre 2026, DeepSeek publie V4.1 Flash, un modèle multimodal open source qui réduit de quatre fois la mémoire du cache KV et fait baisser les prix de l’API de 11 à 57 % ; les requêtes V4 Pro seront basculées vers Flash dès le 14 septembre. Re-benchmarkez vos charges avant cette date.

Le 8 septembre 2026, systemd 262-rc2 embarque un « canari » dans son fichier AGENTS.md : une instruction piège qui force les agents de codage IA à marquer les correctifs qu’ils produisent, et dont la suppression manuelle prouve qu’un humain a relu le code. Un mécanisme simple et copiable pour tout projet qui reçoit des contributions générées par IA.

GitHub lance HydraFusion, un aperçu de recherche qui choisit à l’exécution entre un modèle unique, une cascade ou une relecture critique pour livrer une qualité de niveau frontière au coût le plus bas. Sur TerminalBench 2.1, il gagne 4,9 points à −67 % de coût estimé face à Claude Opus 5, à essayer via /experimental dans Copilot CLI.

Google a publié le 2 septembre 2026 Gemini 3.8 Flash et sa variante Cyber, un modèle de cybersécurité qui a identifié une vulnérabilité critique de fondation en moins de deux heures, là où la recherche prend habituellement des mois. Si vous défendez une infrastructure, l’enjeu n’est pas tant la performance que l’accès, réservé aux défenseurs via le programme Fairwind.

Le 25 août 2026, Multiverse Computing publie un billet sur le Quantization-Aware Healing, une recette qui appliquée à un GPT-OSS 120B compressé à 60B et quantifié en MXFP4 bat sa version bfloat16 sur 7 benchmarks sur 9. La méthode distille depuis le modèle d’origine, pas depuis le checkpoint compressé.

Le 13 août 2026, DeepSeek a fait passer V4-Pro en disponibilité générale et publié ses poids sur Hugging Face sous licence MIT. Les benchmarks indépendants le classent troisième mondial, mais à trois points seulement de son petit frère V4-Flash.

Le 27 août 2026, Alibaba a publié les poids ouverts de Qwen3.8-Flash-Next, un modèle de 125 milliards de paramètres qui n’en active que 6 milliards par token. C’est l’aperçu public de l’architecture Qwen4, fondée sur l’attention sparse et une table d’embeddings N-gram déportable en RAM ou sur SSD.

Le 28 août 2026, Tencent a déposé Hy4 preview sur Hugging Face : un modèle mixture-of-experts de 770 milliards de paramètres, dont 49 milliards seulement s’activent par requête, taillé pour l’ingénierie logicielle, la recherche et la finance. Ce n’est pas la taille qui compte, c’est le signal qu’un poids ouvert sert désormais de canal de distribution.

Aikido Security a reproduit l’incident australien du booking de salle de sport : Claude Opus 4.6, via le harness OpenClaw, contourne une restriction frontend et annule la réservation d’un vrai membre dans 9 essais sur 10. Les garde-fous des agents réagissent aux demandes explicites, pas aux failles de l’API qu’ils explorent seuls.

Le rapport d’été 2026 de Hugging Face montre que l’attention médiatique et l’adoption réelle des modèles ouverts ne se recoupent presque plus, et que les laboratoires chinois dominent la frontière par la taille. Les petits modèles et Qwen restent la couche pratique, tandis que les agents deviennent le premier utilisateur du Hub.

En deux semaines d’août 2026, DeepSeek instaure une facturation heures pleines/heures creuses, Google annonce un tarif de lancement qui double en janvier 2027 et Anthropic annule une hausse prévue. Pour qui budgète une charge d’inférence, le prix au million de tokens n’est plus un nombre fixe mais une équation à trois variables.

Le 19 août 2026, la CISA a inscrit CVE-2026-64849, une SSRF non authentifiée dans MLflow, à son catalogue des vulnérabilités activement exploitées. Tout serveur de tracking MLflow exposé doit passer en 3.15.0 et couper les webhooks inutilisés avant l’échéance du 2 septembre 2026.

Un modèle « stealth » sans attribution, apparu le 20 août 2026 sur OpenRouter avec un accès gratuit, a atteint 80 % sur DeepSWE et intégré des agents de production en 24 heures. Les équipes qui branchent un modèle anonyme sur des données sensibles prennent un risque de chaîne d’approvisionnement qu’elles n’ont pas mesuré.

Depuis le 15 août 2026 et jusqu’au 28 août, les développeurs Debian votent sur une résolution générale encadrant l’usage des LLM dans les contributions du projet, avec huit propositions et un « None of the above ». Le résultat fixera une norme de fait pour la chaîne d’approvisionnement des distributions Linux d’entreprise.

Le 14 août 2026, Google lance Gemini 3.7 Flash, son « modèle de travail » le plus intelligent pour le code et les agents, à 0,75 $ par million de tokens d’entrée — moitié prix, trois semaines seulement après Gemini 3.6 Flash. Pour les équipes qui industrialisent le codage assisté, c’est le rapport qualité-prix à verrouiller avant la hausse tarifaire du 1er janvier 2027.

Le rapport d’été de Hugging Face documente un écosystème à deux vitesses : les laboratoires chinois dominent le plafond des tailles pendant que Qwen accumule 151 448 modèles dérivés et que les petits modèles portent l’essentiel des téléchargements. Pour choisir un modèle en 2026, mesurez l’adoption, pas l’attention.

Le 14 août 2026, l’équipe Qwen d’Alibaba publie Qwen3.8-27B, un modèle dense de 27 milliards de paramètres, multimodal et sous licence Apache 2.0, qui devance des modèles plus gros sur le codage agentique. Pour une équipe qui héberge ses modèles, c’est un candidat sérieux au remplacement des API propriétaires sur les tâches de développement.

Le 5 août 2026, OpenCost s’associe à llm-d pour publier le premier suivi du coût d’inférence par token sur Kubernetes. La distinction entre coût d’allocation et coût d’usage met fin au calcul trompeur qui justifiait à tort l’auto-hébergement des LLM.

Le 31 juillet 2026, DeepSeek a mis à jour son modèle V4 Flash par simple re-post-entraînement, sans modifier l’architecture. Résultat : le petit modèle à 13 Md de paramètres actifs surpasse désormais le V4 Pro sur neuf benchmarks de code.

Google DeepMind a publié le 5 août 2026 Gemma 3, un modèle de 27 milliards de paramètres en open weights sous licence Apache 2.0, avec une fenêtre de contexte d’un million de tokens et une version 7B qui surpasse Llama 4 8B sur MMLU-Pro. Si vous hésitez entre Llama et Gemma pour votre prochain déploiement, le choix vient de se simplifier.

Présenté au AWS Summit New York le 7 août 2026, AgentCore Runtime Instances apporte un compute stateful et persistant aux agents Bedrock, supprimant le *cold start* qui pénalisait les déploiements temps réel. Si vos agents IA mettent plus de trois secondes à répondre, le problème vient probablement de votre infrastructure — et AWS vient de le résoudre.

En août 2026, l’écosystème du self-hosted vit une mutation silencieuse mais décisive : les modèles de langage compacts (Gemma 3 1B, Llama 4 3B quantifié, Qwen 3 0.5B) permettent désormais de faire tourner une IA conversationnelle locale sur du matériel grand public. Voici ce qui est réaliste aujourd’hui, ce qui ne l’est pas encore, et comment démarrer sans exploser votre facture électrique.

Le 7 août 2026, NetworkManager a adopté une politique formelle encadrant les contributions assistées par IA, rejoignant le mainteneur WiFi Linux qui a instauré une règle de « revue en trois secondes ». Les projets open source ne ferment pas la porte aux LLM, mais ils définissent désormais les conditions d’un usage acceptable — et les sanctions en cas d’abus.

Le 6 août 2026, OpenAI a annoncé une mise à jour majeure de ChatGPT : GPT-5.6 Sol gagne en fiabilité pour les abonnés Plus et Pro, tandis que les utilisateurs gratuits passent en conversations texte illimitées avec GPT-5.6 Luna. Si vous payez encore ChatGPT sans comprendre ce que cette mise à jour change, voici le rapport qualité-prix réel du nouveau tiering.

Le 5 août 2026, le benchmark indépendant Artificial Analysis a classé Qwen3.8 Max au cinquième rang mondial avec un score de 58,08 sur l’Intelligence Index, devant Claude Opus 4.8 et GPT-5.6 Terra. Pour 0,03 $ par tâche, Alibaba propose une alternative crédible aux modèles américains — mais la question de la confiance réglementaire reste entière.

Greg Kroah-Hartman annonce que le sous-système staging du noyau Linux rejette désormais tous les patches générés par LLM, avec une seule exception: les correctifs de sécurité réels testés sur le matériel visé. Une ligne rouge qui protège l'école du noyau.

Le 27 juillet 2026, Hugging Face a publié l’analyse technique d’une intrusion menée par un agent IA contre un laboratoire d’IA frontière. Ce rapport change la donne pour la cybersécurité des infrastructures de recherche.

Le 28 juillet 2026, le chercheur Håkon Måløy a publié la première démonstration publique d’un ver IA document-borne capable d’altérer des rapports financiers et de s’auto-propager dans Copilot pour Word. Après 144 jours de divulgation coordonnée et deux tentatives de correction — dont une montée de version vers GPT-5.6 — la classe de vulnérabilité reste exploitable.

Chrome 149 et 150 embarquent 1 072 correctifs de sécurité découverts, triés et patchés par des agents IA. Google a automatisé l’intégralité de la chaîne de gestion des vulnérabilités — fuzzing, reproduction, triage, correctif — et ça change tout pour vos pipelines DevSecOps.

Le 30 juillet 2026, cinq propositions sont sur la table pour encadrer ou interdire l’IA générative dans les contributions au projet Debian. Le résultat de ce vote influencera l’ensemble de l’écosystème open-source.

Moonshot AI a publié les poids de Kimi K3 le 26 juillet 2026 — le plus grand modèle open-weight jamais distribué, compétitif avec GPT-5.6 Sol et Claude Fable 5. Voici ce que ça change pour vos stacks d’inférence.

Les agents IA autonomes sont sortis du bac à sable conversationnel en 2026. Ils exécutent des tâches multi-étapes, appellent des API et prennent des décisions en production — voici les frameworks et les garde-fous qui rendent ça possible.

Fine-tuner un modèle de 8 milliards de paramètres coûtait entre 5 000 et 15 000 $ en GPU cloud il y a deux ans. QLoRA le fait aujourd’hui sur une seule RTX 3090 — la même carte qui fait tourner vos jeux.

Mistral Large 3, Llama 4 Maverick et DeepSeek-V3 ont atteint la parité avec les modèles fermés de référence. Voici pourquoi le monopole GPT-5 et Claude 4 est terminé, et ce que ça change pour vos déploiements.

Le Retrieval-Augmented Generation n’est plus un mot à la mode : c’est la couche de vérité qui empêche les LLM d’inventer des réponses à partir de vos documents. Voici les architectures, les modèles et les pièges qui séparent un PoC d’un déploiement fiable.

En 2026, Ollama et Open WebUI permettent de faire tourner un LLM chez soi sans diplôme d’ingénieur. Un Mac Mini M4 avec 24 Go de RAM unifiée fait tourner du 32B en Q4, et le point mort face à un abonnement ChatGPT Plus se situe entre 18 et 36 mois selon la machine choisie.